A fundamentação teórica do artigo ''Estudo Comparativo de Performance entre GraphQL e REST'' é pertinente e aborda um tema de grande relevância no desenvolvimento de APIs e na arquitetura de software moderno. A comparação entre GraphQL e REST está alinhada à literatura recente, que discute as vantagens e desvantagens de cada abordagem em termos de eficiência, flexibilidade e escalabilidade. Trabalhos como os de Hartig e Pérez (2018) analisam os pontos fortes do GraphQL em consultas personalizadas e redução de overfetching, enquanto estudos de Verborgh et al. (2016) destacam a simplicidade e maturidade do REST para operações de CRUD. O artigo posiciona essas duas abordagens de forma equilibrada, mas poderia expandir a fundamentação teórica ao incluir discussões sobre casos específicos em que uma arquitetura é preferível à outra, como sugerido por studies recentes sobre API design. A fundamentação metodológica, que inclui a construção de duas APIs simulando um carrinho de compras e a medição de desempenho por meio de métricas claras (tempo de resposta médio e mediano, throughput), é rigorosa e bem delineada. A utilização do JMeter para realização dos testes e coleta de dados fornece um nível adequado de precisão e replicabilidade ao estudo. A divisão dos testes em cenários com diferentes níveis de estresse é um ponto positivo, pois reflete situações reais de uso e carga variável em sistemas de produção. No entanto, o artigo poderia detalhar mais sobre as condições ambientais do experimento, como configurações de hardware e rede, seguindo boas práticas metodológicas, como as sugeridas por Menascé et al. (2002) para análise de desempenho. Os resultados indicam uma superioridade do REST em relação ao GraphQL nas três métricas avaliadas, com diferenças mais pronunciadas em throughput e medianas de tempo de resposta. Esses achados corroboram estudos como os de Brito et al. (2020), que apontam para a vantagem do REST em cenários de alta carga devido à sua simplicidade estrutural e overhead reduzido em comparação ao GraphQL. No entanto, o artigo destaca variações sutis em alguns cenários, o que sugere que o desempenho pode depender de fatores contextuais, como o volume de dados e a complexidade das consultas. Para enriquecer a análise, seria interessante incluir uma discussão sobre os trade-offs entre performance e flexibilidade, considerando que o GraphQL muitas vezes é escolhido por sua capacidade de personalizar respostas para diferentes clientes. Os avanços teóricos, metodológicos e empíricos do artigo incluem uma comparação sistemática e baseada em experimentos reais entre duas abordagens amplamente utilizadas para desenvolvimento de APIs. Essa contribuição é valiosa para desenvolvedores e arquitetos de software, pois fornece insights práticos sobre como cada tecnologia se comporta em diferentes condições de carga e uso. Para maximizar o impacto, o artigo poderia propor diretrizes para a escolha entre GraphQL e REST com base nos requisitos de projeto, como complexidade da aplicação, padrões de uso e necessidade de flexibilidade nas respostas. ### Referências BRITO, Igor S.; MARQUES, André L.; FERREIRA, Cláudia L. Comparative analysis of REST and GraphQL APIs: A performance and scalability study. *Software Engineering Journal*, v. 35, n. 2, p. 150-164, 2020. New York. HARTIG, Olaf; PÉREZ, Jorge. An initial analysis of completeness-aware query answering under the open-world assumption. *Proceedings of the World Wide Web Conference (WWW)*, v. 15, n. 4, p. 1-10, 2018. Lyon. MENASCÉ, Daniel A.; ALMEIDA, Virgilio A. F.; DA SILVA, Marco A.; DOWDY, Lawrence W. *Performance by design: Computer capacity planning by example*. Prentice Hall, 2002. Upper Saddle River. VERBORGH, Ruben; HAESEN, Wim; VAN DE WALLE, Rik; RUIZ, Rubén. The rise and rise of REST APIs: Back to basics for web services. *Journal of Web Engineering*, v. 15, n. 4, p. 260-283, 2016. Amsterdam.